KLASIFIKASI KELAYAKAN SAHAM JANGKA PANJANG MENGGUNAKAN RANDOM FOREST BERBASIS RASIO FUNDAMENTAL EMITEN BEI
DOI:
https://doi.org/10.70248/jcsit.v3i4.4453Abstract
Investasi saham jangka panjang memerlukan penyaringan yang mempertimbangkan kondisi fundamental perusahaan secara sistematis. Penelitian ini bertujuan membangun model klasifikasi kelayakan saham menggunakan Random Forest berbasis Price Earnings Ratio (PER), Price to Book Value (PBV), Return on Equity (ROE), Debt to Equity Ratio (DER), dan Earnings per Share (EPS) pada emiten Bursa Efek Indonesia. Dataset terdiri atas 375 perusahaan dengan data fundamental periode 2025 yang diperoleh menggunakan yfinance. Label dibentuk melalui rule-based scoring dengan kriteria PER < 25, PBV < 3, ROE > 15, DER < 1, dan EPS > 0; skor ≥ 3 dikategorikan Layak dan skor < 3 Tidak Layak. Data dibagi 80:20 menjadi 300 data training dan 75 data testing. Random Forest menggunakan 100 Decision Tree dan dievaluasi dengan Accuracy, Precision, Recall, F1-Score, dan Confusion Matrix. Hasil pengujian menunjukkan Accuracy 97,33%, Precision 97,92%, Recall 97,92%, dan F1-Score 97,92%, dengan 73 dari 75 data uji diklasifikasikan benar. Feature Importance menunjukkan PER 0,47, PBV 0,24, EPS 0,13, ROE 0,11, dan DER 0,05. Hasil tersebut menunjukkan konsistensi model dalam mereplikasi label berbasis aturan, bukan bukti kemampuan memprediksi return saham masa depan karena label dan fitur berasal dari indikator yang sama.
References
Alam, D., Kurniawan, A., & Hanggraeni, D. (2025). Mendorong pertumbuhan ekonomi 8% melalui pasar modal Indonesia. Syntax Literate: Jurnal Ilmiah Indonesia, 10(5), 4925–4935. https://doi.org/10.36418/syntax-literate.v10i5.58706
Apridius, W., & Lasut, D. (2025). Implementasi algoritma Random Forest untuk memprediksi harga saham menggunakan indikator Exponential Moving Average 10 periode harian. POTERS: Proceedings of Technology, Engineering and Computers, 1(2). https://jurnal.buddhidharma.ac.id/index.php/poters/article/view/3875
Dewi Lubis, P. K., Br Silalahi, H. H., Sinaga, A. F., Sapma, P. N., & Sitio, V. (2024). Pasar modal dan pengaruhnya terhadap perekonomian di Indonesia. JAKA (Jurnal Akuntansi, Keuangan, dan Auditing), 5(1), 196–214. https://doi.org/10.56696/jaka.v5i1.10755
Ferniawan, M. F., Kusumawati, A., & Madein, A. (2024). The influence of Earnings Per Share (EPS), Price Earnings Ratio (PER), Price to Book Value (PBV), and Debt Equity Ratio (DER) on the stock return. Akrual: Jurnal Bisnis dan Akuntansi Kontemporer, 17(1), 1–14. https://doi.org/10.26487/akrual.v17i01.32073
Mahfuzi, A., & Munawaroh. (2026). Analisa prediksi harga saham Bank BRI berdasarkan data historis menggunakan algoritma Random Forest. Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, 6(1), 343–356. https://doi.org/10.55606/teknik.v6i1.10865
Rasyid, A., Muharam, A. B., & Solichin, A. (2025). Prediksi harga saham syariah Indonesia berdasarkan analisis fundamental, teknikal dan bandarmology menggunakan metode Random Forest. JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 10(2). https://jurnal.stkippgritulungagung.ac.id/index.php/jipi/article/view/7855
Sihombing, H. F., Williams, J., Sitorus, J. S., & Sanjaya, M. W. S. (2026). Analisis penerapan nilai Return on Equity (ROE), Price Earning Ratio (PER), Price To Book Value (PBV), dan Debt To Equity Ratio (DER) dalam pengambilan keputusan investasi saham pada sektor perbankan di BEI selama periode 2019–2023. Jurnal Lentera Bisnis, 15(2), 2782–2800. https://doi.org/10.34127/jrlab.v15i2.2232
Suyatna, S., Satrio, A. J., Pratama, S. P., Indarto, M., Syarif, F., & Amsury, F. (2025). Analisis perbandingan kinerja model machine learning dalam prediksi harga saham TLKM. RIGGS: Journal of Artificial Intelligence and Digital Business, 4(4), 829–837. https://doi.org/10.31004/riggs.v4i4.3476
Sathyanarayanan, S. (2024). Confusion matrix-based performance evaluation metrics. African Journal of Biomedical Research, 27(4), 4023–4031. https://doi.org/10.53555/ajbr.v27i4s.4345
Teixeira, D. M., & Barbosa, R. S. (2025). Stock price prediction in the financial market using machine learning models. Computation, 13(1), 1–24. https://doi.org/10.3390/computation13010003
Urrochman, M. Y., Asy’ari, H., & Hizham, F. A. (2025). Performance comparison of Random Forest regression, SVR models in stock price prediction. Jurnal Pilar Nusa Mandiri, 21(1), 16–23. https://doi.org/10.33480/pilar.v21i1.6072
Zulfa, Z., & Lubis, I. (2025). Pengaruh Earning Per Share dan Price To Book Value terhadap harga saham pada PT Hero Supermarket Tbk periode 2012–2023. Jurnal Ilmiah Manajemen dan Akuntansi, 2(6), 13–23. https://doi.org/10.69714/05j8zf58
Indian Institute of Management Bangalore. (2025). Exploring predictive prowess of ensemble machine learning models in banking stocks: A technical, fundamental, and macroeconomic analysis. IIMB Management Review, 37(2), 100570. https://doi.org/10.1016/j.iimb.2025.100570
